本文主要研究内容
作者胡浩行,张江梅,王坤朋,冯兴华（2019）在《卷积神经网络在复杂核素识别中的应用》一文中研究指出：针对传统核素识别方法对高本底、低探测率的复杂伽马能谱存在特征提取困难、建模复杂以及识别率低等问题,提出了一种使用卷积神经网络(CNN)进行核素识别的方法。利用CNN可自适应、隐式地提取图像特征并进行分类学习的特点,搭建多层卷积神经网络的核素识别模型,通过网络模型特征提取层和分类器的训练,获取深层次的核素特征描述,实现多核素识别。基于蒙特卡洛分析软件Geant4仿真数据进行了对比分析实验,结果表明:本文提出的方法其时间复杂度为O(n~2),所提方法避免了复杂的显式特征提取过程,能够对IAEA规定的部分常见单一及混合核素实时地多核素识别。
Abstract
zhen dui chuan tong he su shi bie fang fa dui gao ben de 、di tan ce lv de fu za ga ma neng pu cun zai te zheng di qu kun nan 、jian mo fu za yi ji shi bie lv di deng wen ti ,di chu le yi chong shi yong juan ji shen jing wang lao (CNN)jin hang he su shi bie de fang fa 。li yong CNNke zi kuo ying 、yin shi de di qu tu xiang te zheng bing jin hang fen lei xue xi de te dian ,da jian duo ceng juan ji shen jing wang lao de he su shi bie mo xing ,tong guo wang lao mo xing te zheng di qu ceng he fen lei qi de xun lian ,huo qu shen ceng ci de he su te zheng miao shu ,shi xian duo he su shi bie 。ji yu meng te ka luo fen xi ruan jian Geant4fang zhen shu ju jin hang le dui bi fen xi shi yan ,jie guo biao ming :ben wen di chu de fang fa ji shi jian fu za du wei O(n~2),suo di fang fa bi mian le fu za de xian shi te zheng di qu guo cheng ,neng gou dui IAEAgui ding de bu fen chang jian chan yi ji hun ge he su shi shi de duo he su shi bie 。
论文参考文献
论文详细介绍
论文作者分别是来自传感器与微系统的胡浩行,张江梅,王坤朋,冯兴华，发表于刊物传感器与微系统2019年10期论文，是一篇关于伽马能谱论文,核素识别论文,卷积神经网络论文,深层特征论文,自适应提取论文,传感器与微系统2019年10期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自传感器与微系统2019年10期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：伽马能谱论文; 核素识别论文; 卷积神经网络论文; 深层特征论文; 自适应提取论文; 传感器与微系统2019年10期论文;